Fugu-MT 論文翻訳(概要): The Five Safes as a Privacy Context

論文の概要: The Five Safes as a Privacy Context

arxiv url: http://arxiv.org/abs/2510.05803v1
Date: Tue, 07 Oct 2025 11:19:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-08 17:57:08.224013
Title: The Five Safes as a Privacy Context
Title（参考訳）: プライバシーのコンテキストとしての5つの安全
Authors: James Bailie, Ruobin Gong,
Abstract要約: ファイブ・セーフズ(Five Safes)は、国家統計局(NSO)がデータリスクを評価し管理するための枠組みである。第一に、Fives は統計拡散の状況に対して、より広い概念として $xx2013$ と解釈できる。
参考スコア（独自算出の注目度）: 2.191505742658975
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Five Safes is a framework used by national statistical offices (NSO) for assessing and managing the disclosure risk of data sharing. This paper makes two points: Firstly, the Five Safes can be understood as a specialization of a broader concept $\unicode{x2013}$ contextual integrity $\unicode{x2013}$ to the situation of statistical dissemination by an NSO. We demonstrate this by mapping the five parameters of contextual integrity onto the five dimensions of the Five Safes. Secondly, the Five Safes contextualizes narrow, technical notions of privacy within a holistic risk assessment. We demonstrate this with the example of differential privacy (DP). This contextualization allows NSOs to place DP within their Five Safes toolkit while also guiding the design of DP implementations within the broader privacy context, as delineated by both their regulation and the relevant social norms.
Abstract（参考訳）: ファイブ・セーフズ(Five Safes)は、国家統計局(NSO)がデータ共有の開示リスクを評価し管理するための枠組みである。第一に、ファイブセーフは、NSOによる統計的拡散の状況に対して、より広い概念である$\unicode{x2013}$文脈整合性$\unicode{x2013}$の特殊化として理解することができる。本研究は,文脈整合性の5つのパラメータを5つの安全の5次元にマッピングすることによってこれを実証する。第2に、Five Safesは、全体的リスクアセスメントの中で、狭く技術的なプライバシの概念をコンテキスト化します。本稿では,差分プライバシー(DP)の例を例に示す。このコンテキスト化により、NSOはDPをFive Safesツールキットに配置できると同時に、DP実装の設計をより広いプライバシーコンテキストに導くことができる。

関連論文リスト

Persuasive Privacy [1.3789489350166477]
ベイズゲーム理論の観点からプライバシを測定するための新しいフレームワークを提案する。我々は、純粋で確率的な差分プライバシーが我々のフレームワークの特別なケースであることを示し、この設定における後処理の不平等の新たな解釈を提供する。
論文参考訳（メタデータ） (2026-01-30T13:03:21Z)
The Double-edged Sword of LLM-based Data Reconstruction: Understanding and Mitigating Contextual Vulnerability in Word-level Differential Privacy Text Sanitization [53.51921540246166]
我々は,言語大モデル (LLM) がDP対応テキストの文脈的脆弱性を活用可能であることを示す。 LLM再建の二重刃剣効果がプライバシーと実用性に与える影響を実験的に明らかにした。本稿では,データ再構成を後処理のステップとして使用するための推奨事項を提案する。
論文参考訳（メタデータ） (2025-08-26T12:22:45Z)
Urania: Differentially Private Insights into AI Use [102.27238986985698]
$Urania$は、クラスタリング、パーティション選択、ヒストグラムベースの要約といったDPツールを活用することによって、エンドツーエンドのプライバシ保護を提供する。結果は、厳密なユーザのプライバシを維持しながら、意味のある会話の洞察を抽出するフレームワークの能力を示している。
論文参考訳（メタデータ） (2025-06-05T07:00:31Z)
Context Reasoner: Incentivizing Reasoning Capability for Contextualized Privacy and Safety Compliance via Reinforcement Learning [53.92712851223158]
安全とプライバシの問題を文脈整合性(CI)理論に従って文脈整合性問題に定式化する。 CIフレームワークの下では、当社のモデルを3つの重要な規制基準 – EU AI ActとHIPAA – に整合させています。我々は、安全・プライバシー基準の遵守を高めつつ、文脈推論能力を高めるためにルールベースの報酬を持つ強化学習(RL)を採用している。
論文参考訳（メタデータ） (2025-05-20T16:40:09Z)
A Global Medical Data Security and Privacy Preserving Standards Identification Framework for Electronic Healthcare Consumers [2.57177976232483]
異なる国は、医療データのセキュリティとプライバシーに関する様々な基準を持っている。本稿では,これらのルールをグローバルに標準化するための,新しい包括的枠組みを提案する。
論文参考訳（メタデータ） (2024-10-04T17:22:55Z)
InferDPT: Privacy-Preserving Inference for Black-box Large Language Model [66.07752875835506]
InferDPTは、ブラックボックスLSMのプライバシ保護推論のための最初の実用的なフレームワークである。 RANTEXTはInferDPTの摂動モジュールに組み込まれた新しい微分プライバシー機構である。
論文参考訳（メタデータ） (2023-10-18T18:00:11Z)
Enumerating Safe Regions in Deep Neural Networks with Provable Probabilistic Guarantees [86.1362094580439]
安全プロパティとDNNが与えられた場合、安全であるプロパティ入力領域のすべての領域の集合を列挙する。この問題の #P-hardness のため,epsilon-ProVe と呼ばれる効率的な近似法を提案する。提案手法は, 許容限界の統計的予測により得られた出力可到達集合の制御可能な過小評価を利用する。
論文参考訳（メタデータ） (2023-08-18T22:30:35Z)
SeePrivacy: Automated Contextual Privacy Policy Generation for Mobile Applications [21.186902172367173]
SeePrivacyは、モバイルアプリのコンテキストプライバシポリシを自動的に生成するように設計されている。本手法は,モバイルGUI理解とプライバシポリシ文書解析を相乗的に組み合わせた手法である。検索されたポリシーセグメントの96%は、そのコンテキストと正しく一致させることができる。
論文参考訳（メタデータ） (2023-07-04T12:52:45Z)
DP-BART for Privatized Text Rewriting under Local Differential Privacy [2.45626162429986]
本稿では,既存の LDP システムに大きく勝る新システム "DP-BART" を提案する。提案手法では,新たなクリッピング手法,反復的プルーニング,およびDP保証に必要なノイズを劇的に低減する内部表現の訓練を用いる。
論文参考訳（メタデータ） (2023-02-15T13:07:34Z)
Privacy Amplification via Shuffling for Linear Contextual Bandits [51.94904361874446]
ディファレンシャルプライバシ(DP)を用いた文脈線形バンディット問題について検討する。プライバシのシャッフルモデルを利用して,JDP と LDP のプライバシ/ユーティリティトレードオフを実現することができることを示す。以上の結果から,ローカルプライバシを保ちながらシャッフルモデルを活用することで,JDPとDPのトレードオフを得ることが可能であることが示唆された。
論文参考訳（メタデータ） (2021-12-11T15:23:28Z)
Not fit for Purpose: A critical analysis of the 'Five Safes' [14.122934697054259]
5つの安全は基本的に欠陥がある、と我々は主張する。既存の法的保護と安全概念の承認から切り離されている。これは、結果のデータの共有が'安全'のベストプラクティスや公共の利益のために行われるという自信をほとんど示さない。
論文参考訳（メタデータ） (2020-11-04T05:41:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。